业务洞察的“笨”办法

标签:大数据BI业务洞察

访客:23675  发表于:2014-06-26 11:03:32

今天在e行网的大数据圈看到一篇文章《PANDORA的音乐推荐》,说美国著名的在线音乐网站潘多拉PANDORA特别聘请一些音乐专家,让他们平均花上20分钟去分析一首歌曲,并赋予每首歌400种不同的属性。如果你表示喜欢一首歌,程序会自动寻找跟这首歌“基因”相同的歌曲,猜测你也会喜欢并采用推荐引擎技术推荐给你。借助这种人海战术,潘多拉网站已经分析了74万首歌曲。一个大数据的案例,背后的关键是推荐引擎之外的上述加黑部分,一点都不高大上的“笨”办法。

反观国内的自动推荐案例,如《今日头条》,号称能推荐你感兴趣的新闻,可能本人对潮流热点如娱乐八卦等不感兴趣,所以用了一个月后没感觉到今日头条抓住了我的兴趣点,最后还是删掉了。再比如豆瓣音乐,按照歌曲类型、热度等提供了一定的属性,按照属性挑选自己喜欢的类别用做背景音乐是可以的,但真要用心听或下载下来,发现命中率还是太低。作为一个40多岁的中年男人,自我感觉喜欢的歌曲是中外的一些老的流行金曲(以前听过,听得懂歌词(外文歌)或其背后的故事,比如电影的主题曲)和少数特定的歌手,但又不是一个音乐的发烧友,记不住歌名。啰啰嗦嗦一大堆来描述自己喜欢的歌曲,其实还是没有说清楚,所以还是真的希望有推荐引擎能给自己精确地贴标签。 

作为一个BI领域的专业人士,我知道自己的困扰其实也容易解决,就是PANDORA的做法,有专业的人士从专业的角度以及听音乐的人的角度来定义可能需要的属性字段和每种属性字段具体的值,然后科学地为每一首歌赋予所有的属性值,最后提供综合的属性组合筛选界面给客户,或利用推荐引擎分析(如果备选的属性太多,或者使用者并不专业地了解每种属性的意思)客户听过的歌曲、频次、互动标记的喜欢或不喜欢标签来捕获每一个客户的个性化标签组合。

从消费者C端市场回到企业B端市场,同样的领悟可以用于业务的洞察。出于各种业务或管理的目的,我们也需要各种属性、各种层次及其组合来洞察业务,如事情的重要性和紧急性,组合而成的四象限能帮助决策者科学地决策,抓住重点,安排顺序,忙而不乱;如金百万针对客户按照价值、消费频次属性组合将客户分为高价值客户、高忠诚客户、高频次客户、高消费能力客户、高营销贡献客户、低营销贡献客户、沉睡客户7类,有针对性地分类营销和服务;其他大到如库存、供应商、销售渠道、产品,小到合同、员工等等,同样的方法都可以发掘和创造巨大的价值。

最后总结,多属性或多角度洞察业务要成功的关键:

  • 按专业人士的建议或决策层考虑问题的角度来定义属性字段(通常都是出于某种管理目的)
  • 科学决策每个属性值的层次和属性值的定义(不要太粗或太细,有明确的范围定义,任何使用者都一致明确如何赋值和相应的含义)
  • BI洞察,组合决策

评论(1)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");